Choque Sansuste Javier Armando 2013

1. TIPOS DE DEMANDA Demanda independiente. Se entiende por demanda independiente aquella que se genera a partir de decisiones ajenas a la empresa, por ejemplo la demanda de productos terminados acostumbra a ser extena la empresa en el sentido en que las decisiones de los clientes no son controlables por la empresa (aunque s pueden ser influidas). Tambin se clasificara como demanda independiente la correspondiente a piezas de recambio. Demanda dependiente. Es la que se genera a partir de decisiones tomadas por la propia empresa, ("Master Production Schedule"), por ejemplo an si se pronostica una demanda de 100 coches para el mes prximo (demanda independiente) la Direccin puede determinar fabricar 120 este mes, para lo que se precisaran 120 carburadores, 120 volantes, 480 ruedas ,etc. La demanda de carburadores, volantes, ruedas es una demanda dependiente de la decisin tomada por la propia empresa de fabricar 120 coches. LOS TIPOS DE DEMANDA SEGN LA MERCADOTECNIA SON:

Demanda negativa: Este tipo es cuando al mercado le desagrada el producto por lo que pagara por evitarlo. Cero demanda o Ausencia de demanda: En este tipo de demanda los consumidores no podran reconocer el producto o no interesarse por l, en este caso se usa la mercadotecnia para encontrar una forma de vincular el producto con las necesidades de las personas. Demanda latente: En este tipo de demanda muchos consumidores podran compartir una necesidad que ningn producto existente puede satisfacer. Demanda declive: Es cuando se presenta una baja en la demanda, en este tipo de demanda el encargado de marketing debe analizar las causas y determinar si se puede volver a realzar la demanda ya sea a nuevos mercados. Demanda irregular: Es cuando se presenta una demanda variable por cada temporada, lo que hace el marketing es hacer ms flexible los precios, promocin, etc. Demanda plena: Es la que toda empresa desea tener. La demanda plena es cuando las empresas estn satisfechas con el volumen de ventas, lo que hace el marketing es mantener el volumen de demanda actual. Sobredemanda: Es cuando una empresa tiene un nivel de demanda muy del que pueden o quieren manejar.

Otra clasificacin de los tipos de demanda: Demanda Agregada: Consumo e inversin globales, es decir, total del gasto en bienes y servicios de una economa en un determinado perodo de tiempo.

Estudio de Mercado

Choque Sansuste Javier Armando 2013

Demanda Derivada: La que es consecuencia de otra demanda. As, la demanda de capitales y de mano de obra depende de la demanda final de bienes y servicios. Demanda Elstica: Caracterstica que tienen aquellos bienes cuya demanda se modifica de forma sustancial como consecuencia de cambios en el precio de dicho bien o cambios en la renta de los consumidores. Demanda Inelstica: Demanda que se caracteriza porque la variacin en el precio de un bien determinado apenas afecta a la variacin de la cantidad demandada de ese bien, de forma que queda manifiesta la rigidez de su demanda. En ocasiones esta relacin es incluso inexistente, y entonces se habla de total rigidez de la demanda. Demanda Exterior: Demanda de un pas de bienes o servicios producidos en el extranjero. Demanda Interna: Suma del consumo privado y del consumo pblico de bienes y servicios producidos en el propio pas. Demanda Monetaria: Funcin que expresa la cantidad de riqueza que las personas y las empresas guardan en forma de dinero, renunciando as a gastarlo en bienes y servicios o a invertirlo en otros activos. 2. MODELOS DE SERIES DE TIEMPO El objetivo del anlisis de las series de tiempo es identificar aquellas componentes presentes para detectar sus causas y predecir valores futuros de la serie. 2.1 MODELOS CLSICOS Para el anlisis de una serie de tiempo existen diferentes tipos de mtodos, los cuales son aplicables dependiendo de las caractersticas de la informacin y de los recursos tcnicos (computador y paquetes), ya que algunos mtodos son bastante complejos como para aplicarlos manualmente. Dentro de los modelos ms sencillos est el de descomposicin y dentro de stos el modelo aditivo y el multiplicativo. En el aditivo , se considera que la variable observada (Y) se puede descomponer en la suma de los factores, es decir, Y=T + S + C + I. En el multiplicativo , el comportamiento de la variable observada se expresa como el producto de los componentes, es decir, Y=T * S * C * I. El criterio fundamental que se debe seguir en una situacin dada es utilizar el modelo que mejor se ajuste a los datos. 2.1.1 MODELOS DE DESCOMPOSICIN Un modelo clsico para una serie de tiempo, supone que una serie x(1), ..., x(n) puede ser expresada como suma o producto de tres componentes: tendencia, estacionalidad y un trmino de error aleatorio. Existen tres modelos de series de tiempos, que generalmente se aceptan como buenas aproximaciones a las verdaderas relaciones, entre los componentes de los datos observados. Estos son: 1. Aditivo: 2. Multiplicativo: 3. Mixto:

Estudio de Mercado

Choque Sansuste Javier Armando 2013

Dnde: X(t) T(t) E(t) A(t) serie observada en instante t componente de tendencia componente estacional componente aleatoria (accidental)

Una suposicin usual es que A(t) sea una componente aleatoria o ruido blanco con media cero y varianza constante. Un modelo aditivo (1), es adecuado, por ejemplo, cuando E(t) no depende de otras componentes, como T(t), s por el contrario la estacionalidad vara con la tendencia, el modelo ms adecuado es un modelo multiplicativo (2). Es claro que el modelo 2 puede ser transformado en aditivo, tomando logaritmos. El problema que se presenta, es modelar adecuadamente las componentes de la serie. La figura 2.1 ilustra posibles patrones que podran seguir series representadas por los modelos (1), (2) y (3).

Figura 2.1 2.2 MODERNO DE SERIES TEMPORALES: MODELOS ARIMA A comienzo de los aos 70, G.E.P. Box, profesor de Estadstica de la Universidad de Wisconsin, y G.M. Jenkins, profesor de Ingeniera de Sistemas de la Universidad de Lancaster, introdujeron una pequea revolucin en el enfoque del anlisis de series temporales, en sus trabajos sobre el comportamiento de la contaminacin en la baha de San Francisco, con el propsito de establecer mejores mecanismos de pronstico y control. El libro (1976) en el que describen la metodologa, se convirti rpidamente en un clsico, y sus procedimientos se utilizan ampliamente desde entonces en diferentes ramas de la ciencia, conocindose como modelos ARIMA y tambin como modelos Box-Jenkins. Para este tipo de modelos, el primer paso consiste en convertir nuestra serie de observaciones en una serie estacionaria, que es aquella en la que ni la media, ni la varianza, ni las autocorrelaciones dependen del tiempo. Una vez "estabilizada" la serie mediante las transformaciones adecuadas, se procede a estudiar la presencia de regularidades en la serie, para identificar un posible modelo matemtico. Para ello se calculan la funcin de autocorrelacin simple y parcial, y se compara su forma con un catlogo de patrones grficos, que son tpicos de los diferentes modelos propuestos, seleccionando el modelo que ms se adecue a la forma de las funciones de autocorrelacin que hemos obtenido con nuestros datos. Una vez elegida la forma del modelo, se estiman los coeficientes del mismo, y finalmente se procede a efectuar un anlisis de los residuos (diferencia entre el valor realmente observado y el valor previsto por el modelo), con

Estudio de Mercado

Choque Sansuste Javier Armando 2013

el fin de comprobar si el ajuste del modelo a nuestros datos es adecuado. Si no lo fuera repetimos el proceso buscando otros modelos. Una vez determinado un modelo suficientemente vlido, sobre la serie estacionaria, procedemos a deshacer la transformacin inicialmente efectuada para estabilizar la serie, y ahora comprobamos si los pronsticos del modelo son adecuados con nuestros datos, volviendo a comenzar la bsqueda de otro modelo si no fuera el caso. Puede por tanto tratarse de un proceso iterativo de mejora del modelo. En el modelo, cada valor tomado por la variable en un instante dado, est influido por los valores de la variable en momentos anteriores, y se expresa como una relacin lineal, funcin de: 1. Valores recientes de la variable 2. Ruidos en valores recientes de la variable 3. Valores remotos de la variable 4. Ruidos en valores remotos de la variable El esquema general del modelo es el siguiente:

que es la frmula general de los modelos denominados ARMA. Est constituido por una combinacin de p trminos AR (proceso autorregresivo), y q trminos MA (proceso de medias mviles). La parte AR modela la influencia de los valores anteriores de la serie (Xt-1 hacia atrs), y la parte MA modela la influencia del ruido en valores anteriores de la serie (Zt-1 hacia atrs), junto con el trmino Zt que corresponde al ruido esperado en el mismo momento t en el que se estima el nuevo valor de la variable X. Una de las ventajas de estos modelos es su gran simplicidad (sumas de trminos), frente a los modelos propuestos en la formulacin clsica. La letra I que aparece en el nombre del modelo completo -ARIMA-, corresponde al proceso ltimo a realizar, una vez definido el tipo de modelo y estimados los coeficientes de ste, ya que entonces hay que restablecer las caractersticas originales de la serie de datos, que fue transformada para inducir estacionalidad. A ese proceso inverso se denomina en general Integracin y aporta esa letra que completa el nombre. Bibliografa: http://mercainformation.blogspot.com/2012/05/tipos-de-demanda.html http://es.wikipedia.org/wiki/ http://www.gestiopolis.com/recursos/experto/catsexp/pagans/eco/16/tipodemanda.htm http://www.todomktblog.com/2013/10/tipos-demanda.html http://ciberconta.unizar.es/leccion../seriest/100.HTM http://www.virtual.unal.edu.co/cursos/sedes/manizales/4030006/lecciones/capitulocinco/5_2.html http://ciberconta.unizar.es/LECCION/seriest/100.HTM http://www.seh-lelha.org/tseries.htm

Estudio de Mercado